本網站內容使用人工智慧(AI)或機器翻譯技術翻譯,可能存在錯誤。

Skip to content

Roblox 將於 SIGGRAPH 2023 發表 3D 動態與渲染研究

Three rabbits
我們很榮幸能在 2023 年 ACM SIGGRAPH 會議上分享我們的創新成果。這場電腦圖形學與互動技術領域的首要盛會,將於 8 月 6 日至 10 日在洛杉磯舉行。活動期間,我們的研究人員將在六場技術論文會議、兩場前沿研討會、兩場即時現場活動以及一場海報展示中進行發表。會議期間,我們的團隊將在展位上隨時歡迎您前來,共同探討 Roblox 及我們的研究成果。 我們同時感謝大會委員會將我們的研究成果收錄於甄選極為嚴格的技術論文預告片中。

Roblox Research 致力於為我們的社交 3D 平台探索科技的基礎科學,目標是以樂觀與文明的態度連結十億人。我們結合第一性原理與人工智慧 (AI) 技術,推動 3D 內容創作、物理模擬及即時內容審查。 我們最新的研究成果,讓頭髮、布料、物體及景觀能如同現實世界般,對運動、碰撞與風力產生真實反應。由於我們支援一個擁有數億用戶的全球性平台,每個環節都必須在客戶端與伺服器端具備可擴展性,並支援從舊款手機到最新 AR/VR 頭戴裝置等各類設備。請閱讀下方我們即將發表的研究內容,並查看 SIGGRAPH 會場的活動時程表,了解我們的展位位置。 

渲染優化

隨著 3D 世界的逼真度提升,結構與地形也日益複雜。渲染這些複雜環境時,必須解決諸如布料皺褶或扭曲、地形起伏等真實世界中的效果。在《利用內在誤差指標進行表面簡化》的演講中,Roblox 研究員 Hsueh-Ti Derek Liu 及其來自卡內基梅隆大學和多倫多大學的同事,提出了一種簡化內在三角網的方法。 傳統的網格簡化僅為渲染目的而保留物體的外觀,但若目標是模擬——即物體可能被扭曲、彎曲或折疊——又該如何處理?此方法透過探索規模龐大的內在三角剖分空間來簡化模擬用網格,在計算測地線距離等常見任務上,運算速度提升超過 1,000 倍。這項創新方法有望為模擬技術帶來更細緻的表現。

劉博士還將與喬治梅森大學、多倫多大學及滑鐵盧大學的同事共同發表關於「可微分高度場路徑追蹤」的研究成果。此技術能為人工智慧訓練應用提供快速且逼真的地形、陰影及3D物件渲染。 此方法可達到即時幀率,速度比大多數現有的 3D 網格微分渲染器快數個數量級。它為互動式逆向渲染應用開啟了可能性,包括我們未來版本的生成式 AI 和內容審核 AI 工具。研究人員透過許多互動任務(例如地形優化與基於文字的形狀生成)來展示此方法。

虛擬角色與更廣泛應用的逼真動態表現

人類的動作既複雜又千變萬化。我們的目標是在虛擬環境中精準重現其所有細節,以呈現逼真感與表現力,這是一項巨大的挑戰。例如,多任務處理(或無縫結合不同行為)是人類非常擅長的事情。傳統電腦圖形學專注於單一行為(如行走或投擲),且需要明確編寫組合行為。 

在《基於任務控制的複合動作學習》(Composite Motion Learning with Task Control)這篇論文中,Roblox 研究員 Victor Zordan 與 Pei Xu,聯同克萊姆森大學(Clemson University)及加州大學默塞德分校(University of California, Merced)的同事,闡述了一種針對多任務動作控制的新型強化學習方法。這項研究提出了一種強化學習方法,用於對物理模擬角色進行複雜的任務驅動式動作控制。 透過這種多目標控制方法,角色能夠執行複合式多任務動作,例如邊走邊玩雜耍。即使沒有該複合行為的明確參考動作範例,角色也能組合執行各種其他活動。此方法還透過重複使用現有控制器,支援樣本效率高的訓練。 

在沉浸式 3D 環境中,模擬髮型面臨著另一項動態挑戰。在該環境中,精心設計與造型過的髮絲模型可能會立即因自身重量而塌陷,無法在重力牽引下維持預期的形狀。由 Roblox 研究員 Cem Yuksel 及 LightSpeed Studios 的同事共同發表的《基於髮束的混合髮絲模擬之無下垂初始化》(Sag-free Initialization for Strand-based Hybrid Hair Simulation),提出了一套針對基於髮束的髮絲系統的新初始化框架。 這項研究透過求解頭髮在重力及其他外力作用下必須展現的內部力,從而消除下垂現象。此成果在考量髮束層級碰撞的同時,並未不必要地強化頭髮的動態剛性。該論文亦榮獲最佳論文榮譽提及獎。 

Roblox 是一個基於模擬的 3D 平台,其中物件之間以及與虛擬角色的主要互動,是透過第一性原理物理學而非顯式程式碼來調控的。今年我們將分享兩項關於物件模擬不同進展的新成果。

Yuksel 將與來自加州大學洛杉磯分校、猶他大學及 Adobe Research 的同事共同發表《多層厚殼》(Multi-layer Thick Shells),該研究提出了一種創新方法,可針對皮革服飾、枕頭、墊子及金屬板等材料進行具備厚度感知能力的模擬。此方法能避免剪切鎖定現象,並有效捕捉細微皺褶細節,為多種結構的快速、高品質且具備厚度感知能力的模擬開闢了新途徑。 

模擬中的另一項運動挑戰在於物體發生碰撞後又分離的情況。在現實世界中,物體通常能夠碰撞後再次分離——且仍保持為兩個獨立的形狀。Yuksel 將與猶他大學的同事共同發表一種方法,用於從給定的內部點高效計算「相交網格至邊界的最短路徑」。該方法在模擬可變形體積物體時,為碰撞與自碰撞處理提供了快速且穩健的解決方案。 這使得我們能夠運用高效技術,模擬極具挑戰性的自碰撞情境。例如 XPBD 方法,它不像那些必須幾乎維持無碰撞狀態、且運算成本極高的模擬方法那樣,對碰撞解析不作任何保證。

互動活動

Roblox 平台上的所有內容皆具互動性且即時更新。體驗我們最新技術進展的最佳方式,就是透過現場演示和「即時直播」環節親眼見證其運作。在「Roblox 生成式 AI 實戰」活動中,研究員 Brent Vincent 與 Kartik Ayyar 將展示創作者如何運用自然語言及其他意圖表達方式,無需複雜建模或編碼即可打造互動物件與場景。 在「透過 AI 3D 列印角色實現的中介現實」環節中,Roblox 的肯尼·米切爾(Kenny Mitchell)與 3Finery Ltd 的洛加里·卡薩斯·坎布拉(Llogari Casas Cambra)將展示一款 AI 模型,該模型能處理即時語音辨識並以 3D 列印角色的形式產生回應——讓角色的表情動畫與音訊同步。 

Roblox 的科學家們也將在「前沿工作坊」的專題討論中發言。在「超越現實:3D 互動式社交媒體如何改變我們的互動、表達與思考」環節中,Roblox 科學家 Lauren Cheatham 與 Carissa Kang 將與領域專家、社會科學家及行為研究人員共同探討,沉浸式虛擬環境如何有助於塑造態度與行為、支持身份探索,並協助年輕世代建立可延伸至現實世界的健康界線。 在「線上共體驗的具表現力虛擬角色互動」場次中,Roblox 科學家 Ian Sachs、Vivek Virma、Sean Palmer、Tom Sanocki 及 Kenny Mitchell 將與其他專家共同探討,針對向全球大型社群部署遠端互動與具表現力溝通體驗所面臨的挑戰及汲取的經驗教訓。  

Adrian Xuan Wei Lim 將主持海報展示環節,介紹《反向投影:即時局部空間紋理映射》(Reverse Projection: Real-Time Local Space Texture Mapping)——這項專為遊戲設計的創新投影技術,能即時將貼花直接繪製於 3D 物件的紋理上。 透過在局部空間紋理中計算並朝外投射的投影技術,創作者無論使用低階 Android 裝置或高階遊戲桌上型電腦,皆能享受自訂資產的樂趣。這項提案的處理流程,有望成為提升模型繪製速度與多功能性的重要一步。


點此查看 Roblox Research 團隊將於 SIGGRAPH 2023 發表的所有論文。歡迎蒞臨下方列出的展位與講座。我們期待與您面對面交流!


8月6日(星期日)

8月7日(週一)

8月8日(星期二)

8月9日(星期三)

8月10日(星期四)